BEGIN:VCALENDAR PRODID:-//Microsoft Corporation//Outlook 16.0 MIMEDIR//EN VERSION:2.0 METHOD:PUBLISH X-MS-OLK-FORCEINSPECTOROPEN:TRUE BEGIN:VEVENT CLASS:PUBLIC CREATED:20181101T143707Z DESCRIPTION:Deep Driving Technologies & Computer Vision for Cognitive Vehic les | September 30 – October 1\, 2019 | Titanic Chaussee Berlin\, German y \nAuto.AI Europe Key Topics 2018 - https://www .auto-ai.eu/agenda \n \nDEEP DRIVING\, MACHINE LEARNING & COMPUTER VISION\ n· Algorithms and data schemes\n· Deep neural networks / deep learning and neural networks: Challenges for decision making algorithms in heavy traffic\, self-driving vehicles\n · Data processing and AI: Software architecture and hardware challenges\n· Path planning and object reco gnition with AI / future pathways\, required research and the role of deep learning in the mix of computer vision approaches\n· Tools for enabling deep learning systems\n· Full s tack software suites for AI in ADAS providing hardware agnostic\, scalable solutions\n· Deep learning for human-centered semi- Autonomous Driving\n· Role of cognitive computing sy stems and deeper direct perception in Autonomous Driving/ in Level 4 and 5 cars\n· Artificial reality? Deep learning with synt hetic data from driving simulations\n \nSENSOR FUSION\, DATA & AI\, IMAGIN G & PERCEPTION\n· Algorithms for cameras as primary sensors for accomplishing the tasks of object recognition and classificati on\, localisation\, decision making\, trajectory planning and vehicle cont rol\n· Visual processing to ADAS: applications\, arc hitectures and algorithms\n· Deep learning with mult i-sensor data and self-healing map for Automated Driving\n· Imaging vision in automotive linked cameras/ISP: processing chain\ , algorithms and camera systems architecture\n· How neural nets can leverage domain-specific knowledge in computer vision\n· Automotive camera technology and computer vision algo rithms\n· Collaborative sensor fusion to improve sen sing of the fused system\n· Neural networks in senso rs\n· Multi-core processing approaches for AI driven autonomous vehicles\n· Software architectures for A I and deep driving\n· Sensor fusion deep learning ar chitectures\n \nSpeaker Panel: http://auto-ai.eu/speakers\nWhat can you ex pect @ Auto.AI Europe? http://auto-ai.eu/who-why\nHow to attend? Tickets: http://auto-ai.eu/book-now\n DTEND;VALUE=DATE:20191002 DTSTAMP:20171221T154825Z DTSTART;VALUE=DATE:20190930 LAST-MODIFIED:20181101T143707Z LOCATION:Titanic Chaussee Berlin\, Germany PRIORITY:5 SEQUENCE:0 SUMMARY;LANGUAGE=de:Auto.AI Europe TRANSP:TRANSPARENT UID:040000008200E00074C5B7101A82E00800000000C010BC847B7AD301000000000000000 0100000007BCC237F6B730241A6F08406ED465216 X-ALT-DESC;FMTTYPE=text/html:

< a href="https://www.auto-ai.eu/">Deep Driving Technologies &\; Computer Vision for Cognitive Veh icles | September 30 – October 1\, 2019 | Titanic Chaussee Berlin\, Germany

Auto.AI Europe Key Topics 2018 - https://www.auto-ai.eu/agenda

 

DEEP DRIVING\, MACHINE LEARNING &a mp\; COMPUTER VISION

· \; \; \; \; \; \; \ ; \; \; \; \; \; \; \; \; \; \;&nb sp\; \; \; \; Algorithms and data< /span> schemes

· \; \; \; \;  \; \; \; \; \; \; \; \; \; \;&nbs p\; \; \; \; \; \; \; Deep neural networks  / deep learning and neural netw orks: Challenges for decision making algorithms in heavy traffic\, self-driving vehicles

· \; \; \; \; \; \; \; \;  \; \; \; \; \; \; \; \; \; \; \;&n bsp\; \; Data proces sing and AI: Software architecture and hardw are challenges

· \; \; \;  \; \; \; \; \; \; \; \; \; \;&nbs p\; \; \; \; \; \; \; \; Path planning and object recognition with AI / future pathways\, required research and the role of deep learning in the mix of computer vision approaches

· \; \; \; \; \; \; \;&n bsp\; \; \; \; \; \; \; \; \; \; \ ; \; \; \; Tools for enabling deep learning systems

· \; \; \; \; \; \; \; \; \;&nb sp\; \; \; \; \; \; \; \; \; \; \;  \; Full stack software suites for AI in ADAS providing hardware agnostic\, scalable solutions

· \; \; \; \; \; \; \;  \; \; \; \; \; \; \; \; \; \;&nbs p\; \; \; \; Deep learning for human-centered semi-Auton omous Driving

· \; \; \;& nbsp\; \; \; \; \; \; \; \; \; \;  \; \; \; \; \; \; \; \; < ![endif]>Role of cognitive computing systems and deeper direct percep tion in Autonomous Dri ving/ in Level 4 and 5 cars

· \; \; \; \; \; \; \; \;  \; \; \; \; \; \; \; \; \; \;&nbs p\; \; \; Artifi cial reality? Deep learning with synthetic data from driving s imulations

 \;

SENSOR FUSION\, DATA &\; AI\, IMAGING &\; PE RCEPTION

· \; \; \; \; \; \; \; \;&nbs p\; \; \; \; \; \; \; \; \; \; \;& nbsp\; \; Algorithms for cameras as primary sensors for acco mplishing the tasks of object recognition and classification\, localisation\, decision making\, trajectory planning and vehicle control

< span style='font-family:Symbol\;mso-fareast-font-family:Symbol\;mso-bidi-f ont-family:Symbol'>· \; \; \; \; \; \; \;  \; \; \; \; \; \; \; \; \; \; \;&n bsp\; \; \; Visual processing to ADAS: applications\, architectures and algorithms

· \; \ ; \; \; \; \; \; \; \; \; \; \;&nb sp\; \; \; \; \; \; \; \; \; Deep learni ng with multi-sensor d ata and self-healing map for Automated Driving

· \;  \; \; \; \; \; \; \; \; \; \;&nbs p\; \; \; \; \; \; \; \; \; \; Imaging vision in automotive linked cameras/ISP: processing chain\, algorithms and camera sys tems architecture

· \; \;&nbs p\; \; \; \; \; \; \; \; \; \; \;& nbsp\; \; \; \; \; \; \; \; How neural nets can leverage domain-specific knowledge in computer vision

· \; \; \; \; \; \;&n bsp\; \; \; \; \; \; \; \; \; \; \ ; \; \; \; \; Automotive camera technology and computer vision algorithms

· \; \;  \; \; \; \; \; \; \; \; \; \;&nbs p\; \; \; \; \; \; \; \; \; Collaborative sensor fusion to imp rove sensing of the fused system

· \; \; \; \; \; \;  \; \; \; \; \; \; \; \; \; \; \;&n bsp\; \; \; \; Neural networks in sensors

< span style='font-family:Symbol\;mso-fareast-font-family:Symbol\;mso-bidi-f ont-family:Symbol'>· \; \; \; \; \; \; \;  \; \; \; \; \; \; \; \; \; \; \;&n bsp\; \; \; Multi-core processing approaches for AI driven a utonomous vehicles

· \; \;&nb sp\; \; \; \; \; \; \; \; \; \; \;  \; \; \; \; \; \; \; \; Software architectures for AI and dee p driving

· \; \; \;  \; \; \; \; \; \; \; \; \; \; \;&n bsp\; \; \; \; \; \; \; Sensor fusion deep learning architectures

 \;

Speaker Panel: http://auto-a i.eu/speakers

What can you expect @ Auto .AI Europe? http://auto-ai.eu/who-why< /a>

How to attend? Tickets: http: //auto-ai.eu/book-now

X-MICROSOFT-CDO-BUSYSTATUS:FREE X-MICROSOFT-CDO-IMPORTANCE:1 X-MICROSOFT-DISALLOW-COUNTER:FALSE X-MS-OLK-AUTOFILLLOCATION:FALSE X-MS-OLK-CONFTYPE:0 END:VEVENT END:VCALENDAR